深層次分類中候選類別搜索算法

　　針對深層次分類中分類準確率低、處理速度慢等問題，提出一種待分類文本的候選類別搜索算法。首先，引入搜索、分類兩階段的處理思想，結(jié)合類別層次樹的結(jié)構(gòu)特點和類別間的相關聯(lián)系等隱含的領域知識，進行了類別層次權(quán)重分析和特征項的動態(tài)更新，為類樹層次結(jié)構(gòu)的各個節(jié)點構(gòu)建更具分類判斷力的特征項集合；進而，采用深度優(yōu)先搜索算法并結(jié)合設定閾值的剪枝策略縮小搜索范圍，搜索得到待分類文本的最優(yōu)候選類別；最后，在候選類別的基礎上應用經(jīng)典的K最近鄰（KNN）分類算法和支持向量機（SVM）分類算法進行分類測試和對比分析。實驗結(jié)果顯示，所提算法的總體分類性能優(yōu)于傳統(tǒng)的分類算法，而且使平均Fi值較基于貪心策略的啟發(fā)式搜索算法提高了6%左右。該算法顯著提高了深層次文本分類的分類準確度。